[发明专利]基于人工智能的齿面磨粒磨损程度评估方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的齿面磨粒磨损程度评估方法。该方法采集齿轮的齿面图像，获取齿面图像中的多个齿面连通域；根据齿面图像中的图像列像素点的不同获取方向，得到齿面连通域的最佳列排列熵序列和最佳行排列熵序列；结合最佳列排列熵序列和最佳行排列熵序列得到齿面连通域的磨损指标，结合齿面图像中的多个齿面连通域的磨损指标得到齿轮的磨粒磨损程度；根据磨粒磨损程度对齿轮进行相对应的处理措施。利用列排列熵分析条痕本身的像素混乱程度，利用行排列熵分析条痕之间的差异情况并将其作为像素混乱程度的调节因子，以提高评估结果的准确性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的齿面磨粒磨损程度评估方法。

背景技术

在齿轮啮合过程中，若润滑油供应不足或工作齿面上有外来的微小颗粒，则齿面将发生剧烈的磨粒磨损，沿滑动方向产生细而均匀的条痕，大大降低齿轮寿命，加速齿轮失效，影响生产质量和生产效率。

现阶段的齿面磨粒磨损缺陷程度的评估中，可基于图像处理获取磨损条痕的面积、深度信息，据此进行磨损程度的评估，但深度信息难以获取，从而降低评估结果的准确性和可信度。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的齿面磨粒磨损程度评估方法，所采用的技术方案具体如下：

本发明实施例提供了一种基于人工智能的齿面磨粒磨损程度评估方法，该方法包括：

采集齿轮的齿面图像，所述齿面图像包括多个齿面；对所述齿面图像进行语义分割得到多个齿面连通域；

基于所述齿面图像中的图像列像素点获取所述齿面连通域的多列齿面列像素点，将每列齿面列像素点的灰度值组成列像素灰度序列，计算每个所述列像素灰度序列的排列熵以得到对应的列排列熵序列；通过改变所述齿面图像中图像列像素点的获取方向，得到不同获取方向下所述齿面连通域对应的多列齿面列像素点，进而得到每个获取方向下所述齿面连通域对应的列排列熵序列；由排列熵序列计算每个获取方向下所述齿面连通域的像素混乱程度；根据所述像素混乱程度获取最佳列排列熵序列，进而基于所述最佳列排列熵序列得到对应获取方向下所述齿面连通域的最佳行排列熵序列；

由所述最佳行排列熵序列计算所述像素混乱程度的调节因子，结合所述调节因子和所述最佳列排列熵序列对应的所述像素混乱程度得到对应所述齿面连通域的磨损指标；结合所述齿面图像中多个所述齿面连通域的所述磨损指标得到所述齿轮的磨粒磨损程度；

根据所述磨粒磨损程度对所述齿轮进行相对应的处理措施。

进一步地，所述基于所述齿面图像中的图像列像素点获取所述齿面连通域的多列齿面列像素点的方法，包括：

基于所述齿面图像中的图像列像素点，将每列图像列像素点与所述齿面连通域相交的部分图像列像素点作为所述齿面连通域的齿面列像素点。

进一步地，所述通过改变所述齿面图像中图像列像素点的获取方向，得到不同获取方向下所述齿面连通域的多列齿面列像素点的方法，包括：

基于图像列像素点的初始获取方向所对应的角度，分别以设定角度进行依次转动，获取每次转动后每个角度下所述齿面连通域的多列齿面列像素点，所述初始获取方向为在所述齿面图像中每列图像列像素点的最后一个像素点指向第一像素点的方向，且与正方向呈90度的方向，所述正方向是指图像水平线向右的方向。

进一步地，所述由排列熵序列计算每个获取方向下所述齿面连通域的像素混乱程度的方法，包括：

分别对每个列排列熵序列中对应的多个排列熵进行加和以计算对应获取方向下所述齿面连通域的像素混乱程度。

进一步地，所述根据所述像素混乱程度获取最佳列排列熵序列的方法，包括：